买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：复旦大学

摘要：本发明公开了一种超低延迟的运动图像脑电图解码方法。在本方法中，通过使用公开头部解剖模板建立信号传导模型，并使用标准化低分辨率层析成像方法获得皮质脑电。为了解决通道数上升带来的计算量大问题，使用滤波器组共空间模式方法获得空间滤波核，将特征提取计算量降低到线性程度。并使用包含三个域上的自注意力机制的分类网络完成特征的自动分类与挑选。本发明在四分类运动想象脑电任务中取得了先进的准确率，在具有相当低的延迟的同时具有较高的生理解释性。本发明中提出的解码方法有助于实现低延迟人机交互系统。

主权项：1.一种超低延迟运动图像脑电图解码的方法，其特征在于，包括以下步骤：1数据预处理：对脑电运动想象数据集进行带通滤波和信号平均重参考；2使用公开头部解剖模板建立信号传导模型，通过动态参数统计映射成像dSPM方法完成头皮脑电到皮质脑电源域的映射；3使用滤波器组共空间模式FBCSP算法提取感兴趣区域的脑电信号的特征；4利用基于视觉Transformer的分类模型对脑电信号特征数据进行运动想象分类；其中：所述基于视觉Transformer的分类模型包括编码器和解码器两部分，编码器包括键值数据映射模块、空间域和频域的自注意力机制模块，解码器包括补丁嵌入模块、键值数据映射模块和时间域的自注意力机制模块；其中，键值数据映射模块用于将输入向量X映射到查询Q、键K和值V；自注意机制模块，输入查询Q和键K以获得注意力的权重，然后将结果与值V相乘以获得注意力值；补丁嵌入模块用于将输入的二维数据转换为多个一维补丁嵌入；编码器以步骤4中提取的脑电信号特征为输入，解码器以补丁嵌入模块的一维数据为输入，模型的输出为解码器的输出；通过基于视觉的Transformer的分类模型进行特征分类的步骤如下：①通过键值数据映射模块将输入向量映射到查询Q、键K和值V；②通过空间域和频域自注意力机制模块获得具有频域-空域特征的向量③将具有频域-空域特征的向量输入补丁嵌入模块，将二维数据转化为多个一维补丁嵌入；④通过时间域自注意力机制模块输出，得到带有时域-频域-空域特征的向量；⑤最后，将具有时域-频域-空域特征的向量输入线性层F1和线性层Fc2进行分类。

全文数据：

权利要求：

百度查询： 复旦大学 一种超低延迟的运动图像脑电图解码方法